RubricSpan · 阅微

Appearance

主观题阅卷教师模型 —— 项目计划书（技术方案 v5 · 已按建成实况修订） ​

一套面向中文主观题（文科简答题 / 论述题 / 材料解析题）的本地化智能阅卷系统：由大模型离线生成训练标签，训练一个可在普通 PC / 本地 GPU 运行的轻量编码器模型，通过 Web 前端完成"上传试题—作答文本—自动评分—审阅反馈"的闭环。前后端分离、训练/推理分离、在线/离线双模。

现状（2026-08-24，M0–M8 全部完成）：推理栈已去 Python 化，在线服务为单一 Rust 二进制（Axum + ort + tokenizers，FP32/INT8 双 ONNX 模型）；WASM 离线采用 onnxruntime-web + Rust 评分核心路线；OCR 已随 Python 运行时移除而暂停（/api/ocr 返回 501）。正文保留原始设计原理作为架构依据，与实现的差异以「现状」注记标明。

目录 ​

  1. 项目概述与目标
  2. 技术选型总览
  3. 系统总体架构
  4. 核心算法与原理
  5. 等价答案处理机制（同义表述）
  6. 标准答案自动结构化解析
  7. 数据与打标方案
  8. 试卷作答文本识别（RapidOCR）
  9. 模型训练方案（Python）
  10. 后端服务方案（Rust 在线首选 · WASM 离线备选）
  11. 前端应用方案（React + Next.js）
  12. 推理与评分流程
  13. 评估指标体系
  14. 部署与运行
  15. 项目里程碑
  16. 风险控制与备选策略
  17. 附录：参考数据集与资料

1. 项目概述与目标 ​

1.1 要解决的问题 ​

中学文科主观题（历史、地理、政治等）的阅卷长期依赖人工，存在成本高、效率低、评分一致性难保证的问题。现有通用大模型虽能直接给分，但存在：

  • 推理成本高，无法在本地批量部署；
  • 输出不稳定，评分依据不可解释；
  • 难以精确指出"学生答案中命中了标准答案的哪些关键词"；
  • 真实场景中教师拿到的是纸质试卷扫描件/照片，还需先将其作答区转为可处理的文本；
  • 主观题答案不唯一（如"戊戌变法""百日维新""维新运动"均正确），系统必须能识别同义表述。

1.2 项目目标 ​

构建一套完整的本地化主观题阅卷系统，实现：

  1. 可解释评分：不仅给出分数，还能标注学生答案中命中每个得分点的原文片段；
  2. 本地可运行：模型推理在本地 GPU / 普通 PC 上完成，无需联网调用大模型；
  3. 工程可交付：包含前端交互界面、后端推理服务（Rust 在线 + WASM 离线两套）、模型训练流水线、试卷文本识别四大组成部分；
  4. 数据自供给：在无人工标注条件下，利用大模型（通过 OpenAI 兼容接口调用）自动生成训练标签；
  5. 纸质试卷可接入：支持上传试卷扫描件/照片，自动定位作答区并识别为中文文本，再进入评分流程（现状：OCR 暂停，/api/ocr 返回 501，见第 8 章）；
  6. 同义答案可识别：通过等价答案扩展 + 语义相似度兜底，正确处理"戊戌变法/百日维新/维新运动"这类表述等价但字面不同的正确答案；
  7. 标准答案自然语言输入：教师可直接粘贴自然语言形式的标准答案，系统自动解析为结构化评分配置，无需手动拆分成 JSON。

1.3 核心任务定义 ​

给定一道主观题的标准答案（自然语言文本或已结构化得分点）和一份学生答案文本（可由试卷图片经 OCR 得到），系统自动将标准答案结构化为得分点集合，从学生答案中逐点抽取命中每个得分点（含其等价表述）的原文片段，并给出匹配置信度，最终换算为题目总分。

1.4 两套后端运行模式 ​

系统后端提供两套都必须实现的运行方案，定位不同、共用模型：

模式定位适用场景
Rust 在线服务（首选）生产级 HTTP 服务，本地 GPU/CPU 原生推理（ort）学校/教研机构批量阅卷、多用户并发、批量评分
WASM 离线备选浏览器内加载轻量模型，纯前端本地推理无服务端/无网络环境下的离线单题演示、教研展示、轻量试用

2. 技术选型总览 ​

项目采用"Python 训练 + Rust/WASM 双后端 + React 前端"的全栈架构，训练与推理全程本地完成。

层级技术选型定位
前端React + Next.js（App Router）+ Radix UI + Tailwind CSS交互界面、阅卷工作台、OCR 上传、标准答案录入
训练Python + PyTorch + Hugging Face Transformers / Sentence-Transformers模型训练与导出
文本识别RapidOCR（基于 PaddleOCR 的轻量 OCR）设计组件；现状：已暂停（曾于 M3 集成，M8 随 Python 运行时移除）
后端 · 在线首选Rust + Axum + ort（ONNX Runtime Rust 绑定）+ tokenizers高性能 HTTP 推理服务（CPU/GPU EP 可选），单一二进制交付
后端 · 离线备选onnxruntime-web + wasm-bindgen 封装的 Rust 评分核心浏览器端离线轻量推理 / 演示
模型Langboat/mengzi-bert-base（110M）为主力；shibing624/text2vec-base-chinese 作相似度兜底本地化轻量编码器
打标兼容 OpenAI Chat Completions 协议的大模型，多端点 fallback 队列接入离线生成训练标签；离线解析标准答案
加速CUDA + cuDNN、ONNX Runtime、模型量化（INT8）本地高效推理
存储SQLite（轻量本地库）+ 本地文件系统试题/答卷/评分结果/OCR 原图持久化

关于模型选型：项目主力模型固定为 mengzi-bert-base（110M，与 BERT 架构完全兼容，CLUE 多项指标优于 bert-base-chinese 与 chinese-roberta-wwm-ext），不再并列其他候选方案。若追求极致轻量（WASM 离线路径），可切换至同系列 60M 蒸馏版，属同一技术路线内的参数缩放，不改变架构。

3. 系统总体架构 ​

系统采用前后端分离 + 训练/推理分离 + 在线/离线双模的四层架构，各层通过明确定义的接口契约通信。

┌────────────────────────────────────────────────────────────────┐
│                       前端层（浏览器）                          │
│  Next.js 15 (App Router) + React + Radix UI + Tailwind CSS    │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────────┐   │
│  │ 试题管理  │ │ 标准答案  │ │ 试卷上传  │ │ 阅卷工作台     │   │
│  │          │ │ 自然语言  │ │ (OCR入口) │ │ + 结果导出     │   │
│  │          │ │ 录入/解析 │ │          │ │                │   │
│  └──────────┘ └──────────┘ └──────────┘ └────────────────┘   │
│  · 在线/离线模式切换入口                                       │
└────────────────────────────┬───────────────────────────────────┘
                             │  HTTPS / JSON  (OpenAPI 契约)
┌────────────────────────────┼───────────────────────────────────┐
│                       后端层（服务端）                           │
│  ┌────────────────────────┴────────────────────────────────┐   │
│  │  Rust HTTP 服务（Axum）· 在线首选                        │   │
│  │  · 试题/答卷/OCR任务 CRUD  · 评分任务调度               │   │
│  │  · 标准答案结构化解析(调OpenAI兼容接口)  · 结果持久化   │   │
│  └────────────────────────┬────────────────────────────────┘   │
│           ┌───────────────┴───────────────┐                    │
│           ▼                               ▼                    │
│  ┌────────────────┐               ┌────────────────┐          │
│  │ 推理引擎        │               │ OCR 引擎         │          │
│  │ ort+tokenizers │               │ RapidOCR         │          │
│  │ (CPU/GPU EP)   │               │ 【已暂停 · 501】  │          │
│  │ · MRC 抽取      │               │ · 试卷图片→文本   │          │
│  │ · 相似度兜底     │               │ · 作答区定位      │          │
│  │ · 等价答案扩展   │               └────────────────┘          │
│  └────────────────┘                                             │
│                                                                 │
│  【离线备选模式】前端直接加载 onnxruntime-web 模型 + WASM 评分核心 │
│  · INT8/FP32 ONNX + wasm-bindgen Rust 评分编排 · 单题离线评分演示 │
└────────────────────────────┬───────────────────────────────────┘
                             │  本地文件系统 / SQLite
┌────────────────────────────┼───────────────────────────────────┐
│                       模型层                                    │
│  · mengzi-bert-base（MRC 抽取，ONNX FP32/INT8）                │
│  · text2vec-base-chinese（语义相似度，ONNX FP32/INT8）         │
│  · RapidOCR 检测+识别模型（试卷文本识别，暂停）                  │
│  · 分词器 + 校准阈值 + 作答区模板 + 评分配置(JSON)              │
└────────────────────────────────────────────────────────────────┘

┌────────────────────────────────────────────────────────────────┐
│             离线流水线（Python 侧 · 训练阶段）                    │
│  数据采集 → 大模型打标(OpenAI兼容·多端点fallback) → 对齐后处理 → 训练 → 导出   │
│  产出：ONNX 模型文件（FP32/INT8）+ 分词器 + 校准配置 → 交付 Rust 后端加载       │
└────────────────────────────────────────────────────────────────┘

┌────────────────────────────────────────────────────────────────┐
│          离线一次性处理（大模型 · OpenAI兼容接口）                 │
│  教师输入自然语言标准答案 → 大模型结构化解析 → 评分配置 JSON      │
│  结果缓存，阅卷全程不再调用大模型                                 │
└────────────────────────────────────────────────────────────────┘

3.1 架构关键设计 ​

  • 训练与推理彻底分离：Python 侧只负责离线训练与模型导出；Rust 侧只负责加载导出后的模型并提供服务。两者通过模型文件 + 配置文件解耦，互不知晓对方代码。
  • 在线/离线双模并存（均须实现）：Rust 在线服务是生产首选，承担批量阅卷（OCR 暂停期间仅文本链路）；WASM 离线模块是备选，用于无服务/无网络环境的单题演示。两者共用同一套模型文件格式（ONNX）与评分配置，保证评分结果一致。
  • OCR 前置解耦：RapidOCR 作为独立的预处理引擎，将试卷图片转为文本后再进入评分流程，使"图片阅卷"与"文本阅卷"两条链路在后端统一为同一份结构化数据。
  • 标准答案解析离线化：自然语言标准答案的解析由大模型一次性完成并缓存为 JSON 评分配置，阅卷推理全程不依赖大模型，符合"本地化离线运行"约束。
  • 接口契约优先：前后端通过 OpenAPI 定义的 JSON 接口通信，便于独立开发与测试。

4. 核心算法与原理 ​

4.1 任务建模：MRC 抽取 + 相似度兜底（混合路线） ​

项目采用唯一固定的混合路线，不再并列其他候选方案。

4.1.1 主路径 —— 抽取式机器阅读理解（MRC） ​

原理：将每个标准答案"得分点"视为一个问题（Query），将学生答案视为一篇短文（Context）。训练一个基于 BERT 架构的问答模型，对上下文每个 token 输出"是否为答案起点"和"是否为答案终点"两个概率分布，从而精确定位学生答案中命中该得分点的原文片段（Span）。

输入拼接：

[CLS] 得分点描述 [SEP] 学生答案 [SEP]

输出：起点位置 start、终点位置 end、以及"是否含答案"的二分类置信度 has_answer。

为何适用本任务：

  • 任务目标就是"从学生答案中抽取符合标准答案的关键词"，与 MRC 的"给定问题从文本中抽答案"天然同构；
  • 可逐点评分——每个得分点独立判断命中与否，支持加权给分；
  • 输出为原文片段，可解释、可审阅，教师可直观看到"模型认为命中了哪句话"。

训练目标（原理层面）：对起点/终点位置各计算交叉熵损失，并对"是否含答案"计算二分类损失，三者加权求和作为总损失。

4.1.2 兜底路径 —— 语义相似度匹配 ​

原理：将"标准得分点文本"与"学生答案整体"分别编码为向量，计算余弦相似度作为语义匹配分数。

作用时机：当 MRC 主路径判定为"无答案"或抽取置信度低于阈值时，由相似度分数决定：

  • 相似度 ≥ 高阈值 → 视为"语义等价命中"，给满分；
  • 介于高/低阈值之间 → 视为"部分命中"，按配置给半分；
  • 低于低阈值 → 未命中，给 0 分。

模型：使用 text2vec-base-chinese（专为中文语义匹配优化的句向量模型），在采集到的训练数据上微调以适配阅卷领域。

为何相似度能处理同义表述：语义向量模型将"戊戌变法""百日维新""维新运动"映射到向量空间中彼此接近的位置，cosine 相似度通常在 0.85 以上，从而在不依赖字面匹配的情况下判定为命中。详见第 5 章"等价答案处理机制"。

4.1.3 两路径如何协作 ​

两路径是串联兜底关系而非并列竞争：先由 MRC 尝试精确抽取，MRC 失败或低置信时由相似度补位。这兼顾了"精确可解释"（MRC）与"语义鲁棒"（相似度），是本项目评分准确性的核心保障。

4.2 大模型打标（离线）：LLM-as-a-Teacher ​

原理：利用大模型强大的语言理解与指令遵循能力，离线地为海量"题目+标准得分点+学生答案"样本生成结构化标注（每个得分点是否命中、命中的原文片段、匹配置信度、hit_type 判定）。这些标注作为监督信号训练轻量小模型，使小模型在本地复现大模型的评分判断。

本质：这是知识蒸馏——教师（大模型）产出软/硬标签，学生（mengzi-bert-base）在标签上学习，最终学生模型在本地独立运行。打标时明确要求模型输出 hit_type: exact/semantic/miss，使训练数据中天然包含"百日维新→戊戌变法"这类语义等价命中的样本，小模型微调后学会此类映射。

4.3 RapidOCR 文本识别原理 ​

现状：RapidOCR 曾于 M3 经 Python 运行时集成并贯通图片链路；M8 推理栈去 Python 化时随运行时一并移除，/api/ocr 现返回 501。以下保留设计原理，作为后续原生重实现的依据。

原理：RapidOCR 是一套基于 PaddleOCR 检测/识别模型、使用 ONNX Runtime 推理的轻量 OCR 方案，支持本地 GPU/CPU 运行、无需联网。其核心是两阶段流水线：

  1. 文本检测（DB 模型）：对输入试卷图像输出文本行检测框（polygon），定位图中所有文字区域；结合主观题场景，可限定只保留"作答区"内的检测框（通过作答区坐标模板或版面分析过滤题号/题干区）。
  2. 文本识别（CRNN/Transformer 模型）：对每个检测框裁剪出的单行图像，识别为中文文本序列，拼接为按阅读顺序（从上到下、从左到右）排列的完整作答文本。

为何选用 RapidOCR：纯本地推理、模型体积小（检测+识别约百兆级）、ONNX 格式与本项目推理栈一致，便于与 Rust 后端集成；对中文手写/印刷体混合的试卷场景有较好适配性。

5. 等价答案处理机制（同义表述） ​

5.1 问题定义 ​

主观题的正确答案往往不唯一且表述多样。例如考查"戊戌变法"这一事件时，学生作答"百日维新""维新运动""戊戌维新"均为正确，但字面与标准答案"戊戌变法"不同。系统必须在不依赖字面精确匹配的前提下，正确识别这类同义表述并给分。

5.2 三层协同处理原理 ​

系统通过三层协同机制处理等价答案，从"精确匹配"到"语义匹配"逐层兜底：

学生答案
    │
    ▼
┌─────────────────────────────────────────────────┐
│ 第1层 · MRC 多候选抽取（精确层）                  │
│ 对每个得分点，遍历其 [标准表述 + aliases] 列表，   │
│ 逐一构造 MRC 输入，只要任一候选命中即判为命中       │
│   "戊戌变法" ─┐                                   │
│   "百日维新"  ├─→ MRC 抽取 → 任一命中 → 满分     │
│   "维新运动"  ─┘                                   │
└────────────────────────┬────────────────────────┘
                         │ 所有候选均未命中
                         ▼
┌─────────────────────────────────────────────────┐
│ 第2层 · 语义相似度兜底（语义层）                    │
│ 计算"标准得分点"与"学生答案整体"的向量余弦相似度   │
│  · ≥ 高阈值(0.85) → 语义命中，满分               │
│  · 介于(0.60~0.85) → 部分命中，半分              │
│  · < 低阈值(0.60) → 未命中，0分                  │
│ "百日维新" 与 "戊戌变法" 向量接近 → 语义命中       │
└────────────────────────┬────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────┐
│ 第3层 · 评分汇总（加权）                           │
│ 逐点累加得分，得到题目总分与评级                    │
└─────────────────────────────────────────────────┘

5.2.1 第 1 层：MRC 多候选抽取 ​

原理：对每一个得分点，不仅用其标准表述构造 MRC 输入，还用其等价表述（aliases）列表逐一构造输入。只要"标准表述"或"任一 alias"在学生答案中精确命中，即判定该得分点命中。

示例：

  • 得分点 point_text="戊戌变法"，aliases=["百日维新","维新运动","戊戌维新"]
  • 系统对该得分点执行 4 次 MRC 抽取（标准表述 + 3 个别名各一次），任一次抽出有效 Span 即记为命中。

优势：将"同义判断"从"相似度模糊匹配"升级为"多候选精确匹配"，对教科书级别的固定同义称谓（如历史事件别名、专有名词异称）识别稳定、可解释。

5.2.2 第 2 层：语义相似度兜底 ​

原理：当 MRC 多候选均未命中时，由 text2vec-base-chinese 句向量模型计算"得分点文本"与"学生答案整体"的余弦相似度。

为何能处理同义表述：语义向量模型在海量中文语料上训练，将语义相近的短语映射到向量空间中相近的位置。"戊戌变法"与"百日维新"在训练语料中常共现于相近上下文，其向量表示自然接近，cosine 相似度通常 ≥ 0.85，从而被判为"语义命中"。

阈值设计：

  • 高阈值（默认 0.85）：判为"语义命中"，给满分（权重）；
  • 低阈值（默认 0.60）：介于两阈值之间判为"部分命中"，按配置的 partial_credit 比例给分（默认半分）；
  • 低于低阈值：未命中，0 分。
  • 阈值可在评分配置 JSON 中按题目/学科校准覆盖。

5.2.3 第 3 层：加权汇总 ​

各得分点独立计分后，按权重累加得到题目总分，并映射为评级（如优秀/良好/及格/不及格）。

5.3 aliases 的来源 ​

等价表述列表 aliases 由两条路径生成、合并去重：

  1. 标准答案解析时生成（主路径）：教师输入自然语言标准答案后，大模型在结构化解析时，为每个得分点自动生成等价表述列表（详见第 6 章）。这是 aliases 的主要来源，质量高、覆盖教科书画定别名。
  2. 训练数据打标时沉淀（辅助路径）：大模型打标样本时输出 hit_type: semantic 的样本，其 extracted_span 即为该得分点在学生答案中的同义表述，可反向汇入该得分点的 aliases 候选池（人工/规则审核去重后入库）。

5.4 与训练数据的衔接 ​

打标 Prompt 中要求模型对每个得分点输出 hit_type（exact/semantic/miss）。其中 semantic 样本（如学生答"百日维新"而标准点为"戊戌变法"）构成"同义命中"训练数据，用于：

  • 微调 MRC 模型时对语义命中样本的合理处理（span 对齐到学生答案中的同义表述）；
  • 微调相似度模型时作为 label=partial_credit 的正样本，强化模型对历史专有名词同义的判别。

5.5 设计取舍 ​

  • 为何不只用相似度：相似度虽能处理同义，但无法精确定位"命中了原文哪一段"，可解释性差，且短文本（如"1898年"）相似度信号弱易误判。
  • 为何不只用 MRC：MRC 对字面未出现的同义表述无能为力。
  • 三层协同的合理性：MRC 多候选保证精确可解释，相似度兜底保证语义鲁棒，加权汇总统一给分，兼顾准确性、可解释性与同义覆盖。

6. 标准答案自动结构化解析 ​

6.1 问题定义 ​

教师录入标准答案时，通常以自然语言文本形式输入（如在阅卷手册中复制一段评分说明），而非手动拆分为机器可读的 JSON。系统必须能自动将自然语言标准答案解析为结构化的评分配置（得分点列表、权重、等价表述），供下游评分引擎直接消费。

6.2 核心原理：大模型离线结构化解析 ​

利用大模型强大的指令遵循与结构化输出能力，在教师提交标准答案时离线一次性完成解析，结果缓存为 JSON 评分配置。后续所有学生答卷的评分直接读取该 JSON，不再调用大模型。

为何用小模型不行：标准答案格式千变万化（"①/②/③""1. 2. 3."、段落不分点、含分数说明与补充说明混杂），小模型做结构化解析准确率不足且需大量标注数据；大模型做一次离线解析成本低（每次数百 token）、准确率接近 100%，解析结果缓存后阅卷全程不依赖大模型，符合"本地化离线运行"约束。

6.3 解析流程 ​

教师输入（自然语言标准答案）
        │
        ▼
┌─────────────────────────────────────────────────┐
│  标准答案结构化解析模块（调 OpenAI 兼容接口）     │
│                                                 │
│  输入示例：                                      │
│  "本题考查戊戌变法。满分5分。                    │
│   得分点1：发生在1898年（1分）                   │
│   得分点2：又称百日维新（1分）                   │
│   得分点3：促进了思想启蒙（2分）                 │
│   得分点4：触犯了顽固派利益（1分）"              │
│                                                 │
│  处理：                                         │
│  ① 得分点切分（识别编号/换行/标点分界）          │
│  ② 权重提取（识别括号或"X分"中的分数值）         │
│  ③ 等价表述扩展（为每个得分点生成 aliases）       │
│  ④ 输出严格 JSON                                 │
└────────────────────────┬────────────────────────┘
        │
        ▼
结构化评分配置（JSON）──→ 存入 /data/scoring_configs/{question_id}.json
        │
        ▼
后续阅卷直接读取 JSON，不再调用大模型

6.4 解析输出契约 ​

大模型被要求严格输出以下 JSON 结构（系统据此校验并落盘）：

json
{
  "question_id": "Q001",
  "total_score": 5,
  "subject": "历史",
  "points": [
    {
      "point_id": 1,
      "point_text": "发生在1898年",
      "weight": 1,
      "aliases": ["1898年", "一八九八年"]
    },
    {
      "point_id": 2,
      "point_text": "又称百日维新",
      "weight": 1,
      "aliases": ["百日维新", "戊戌维新"]
    },
    {
      "point_id": 3,
      "point_text": "促进了思想启蒙",
      "weight": 2,
      "aliases": ["思想启蒙", "启蒙思想"]
    },
    {
      "point_id": 4,
      "point_text": "触犯了顽固派利益",
      "weight": 1,
      "aliases": ["顽固派反对", "触动顽固派"]
    }
  ],
  "thresholds": {
    "similarity_high": 0.85,
    "similarity_low": 0.60
  }
}

字段说明：

  • point_text：得分点的标准表述（用于 MRC 抽取与相似度计算）；
  • weight：本得分点满分值；
  • aliases：等价表述列表（供 MRC 多候选抽取 + 相似度语义匹配使用）；
  • thresholds：本题的相似度高低阈值（可选，缺省用全局默认）。

6.5 解析质量保障 ​

  • 结构化约束：要求模型输出严格 JSON（可配合 response_format={"type":"json_object"} 等 OpenAI 兼容参数），解析后做 JSON Schema 校验；
  • 自一致性校验：对高价值/高争议题目以不同温度多次调用，取结构一致的多数结果；
  • 教师确认环节：前端在解析完成后展示预览 JSON，教师可编辑/确认/修正后再保存，确保评分配置符合预期；
  • 失败降级：若解析失败或校验不通过，前端提示教师"自动解析未通过，请手动调整"，并保留半结构化编辑界面供人工补全。

6.6 与阅卷流程的衔接 ​

教师上传标准答案（自然语言）
        ↓
后端调用大模型 API（OpenAI 兼容接口）→ 结构化 JSON
        ↓
Schema 校验 + 教师预览确认
        ↓
存入 scoring_configs/{question_id}.json
        ↓
学生上传答卷（图片或文本）
        ↓
[RapidOCR] 图片 → 文本（文本则跳过）
        ↓
读取对应 scoring_config.json（含 points + aliases + thresholds）
        ↓
混合路线评分（MRC 多候选抽取 + 相似度兜底 + 等价扩展）
        ↓
返回分数 + 命中详情

6.7 设计取舍 ​

  • 解析离线化：解析仅在教师录入/修改标准答案时触发一次，结果持久化缓存，阅卷推理全程不依赖大模型，兼顾了"自然语言输入"的易用性与"本地离线运行"的约束。
  • 教师确认不可省：自动解析虽准确率高，但评分配置直接决定给分标准，必须经教师确认/可编辑，避免静默错误导致批量误判。

7. 数据与打标方案 ​

7.1 数据来源（真实数据集，优先科研授权） ​

项目优先使用可合法获取的科研用途数据集，核心组合如下：

数据集来源用途
中学文科简答题评测数据集北京大学（国家基础学科公共科学数据中心）真实考生答卷 + 自动划分 train/test，核心训练/评测数据
中学文科简答题题库北京大学提供标准答案与得分点参照
SAS-BenchHugging Face（aleversn/SAS-Bench）高考 9 学科、4109 份专家标注学生答案，逐步评分基准
CMRC 2018GitHub（ymcui/cmrc2018）中文 Span 抽取预训练桥接
CESA / ASAP-ZHAACL 2020 论文配套中文短答案评分适配数据

北大两类数据集注册后即可申请下载，科研用途授权风险低；SAS-Bench、CMRC 2018 均可通过 Hugging Face / GitHub 直接获取。

现状：北大两类数据集申请未获批复（风险 R7 预案生效），实际训练语料为 SAS-Bench、SAS-Datasets、CMRC 2018、DRCD、CESA 及大模型合成答卷，构成见 data/raw/README.md。

7.2 学生答案的生成策略 ​

为降低对真实答卷数量的依赖，可结合两类来源：

  • 真实答卷：以北大文科简答题评测数据集为主；
  • 合成答卷：调用大模型，令其分别扮演"优秀/良好/及格/不及格"水平的学生作答，快速扩充各分数段样本，保证模型对不同质量答案的判别能力。合成时可要求模型在优秀答案中使用标准表述、在及格/不及格答案中使用同义表述或遗漏部分得分点，以增强模型对等价答案的判别能力。

7.3 大模型打标流程（OpenAI 兼容接口） ​

打标调用任意兼容 OpenAI Chat Completions 协议的模型服务（如混元、DeepSeek、Qwen 等，通过对应平台的 OpenAI 兼容端点接入）。流程：

  1. 构造 Prompt：以"经验丰富的阅卷教师"为角色，输入题目、标准得分点（含权重）、学生答案，要求模型以严格 JSON 输出每个得分点的 hit（是否命中）、hit_type（exact 原文精确 / semantic 语义等价 / miss 未命中）、extracted_span（从学生答案逐字复制的命中片段）、confidence、partial_credit（语义命中时的给分比例）。Prompt 中强调 extracted_span 须从学生答案原封不动复制、未命中则为空字符串。
  2. 批量调用：通过 OpenAI 兼容 SDK 批量提交样本，统一接口适配不同供应商。
  3. 自一致性校验：对同一高价值样本以不同温度多次调用，取多数一致的标注结果，提升标签可靠性。
  4. 对齐后处理：将 extracted_span 映射回学生答案的精确字符级起止位置（精确匹配 → 去标点模糊匹配 → 最长公共子串兜底），对齐成功率目标 > 90%；对齐失败样本作为"无答案"负样本或丢弃。
  5. 质量控制：过滤 confidence 过低、extracted_span 过长（超过学生答案 50%）等异常标注；条件允许时人工抽检 5%。

7.4 训练数据构建 ​

  • MRC 数据：由对齐成功的样本构造 (得分点, 学生答案, start, end, has_answer) 五元组；随机取约 20% 样本置为"无答案"负样本，防止模型过度抽取。对 semantic 命中样本，将其 extracted_span（学生答案中的同义表述）作为正样本 span，使模型学会对同义表述的合理定位。
  • 相似度数据：由每个样本的 (得分点, 学生答案, hit_type, partial_credit) 构造句子对及连续标签（exact→1.0，semantic→partial_credit，miss→0.0），用于微调句向量模型。

8. 试卷作答文本识别（RapidOCR） ​

现状（已暂停）：本模块于 M3 经内嵌 Python 运行时集成并贯通"图片 → 文本 → 评分"链路；M8 推理栈去 Python 化时随运行时一并移除，rubricspan-ocr 仅保留 501 占位。恢复路径为以 ONNX Runtime 原生方式重新集成，本章设计仍然有效。

8.1 定位与作用 ​

RapidOCR 是系统的预处理引擎，解决"教师上传的是纸质试卷扫描件/照片"这一真实场景问题。它位于评分流程之前，负责将非结构化图像转为结构化文本，使下游评分模型无需感知输入是"文本"还是"图片"。

8.2 处理流程 ​

试卷图片/扫描件
      │
      ▼
[图像预处理]  → 自动灰度化、尺寸归一、去噪/增强（提升手写体识别率）
      │
      ▼
[RapidOCR 检测] → DB 文本检测模型输出文本行检测框
      │
      ▼
[作答区过滤]  → 根据作答区坐标模板/版面分析，保留作答区框、剔除题号/题干
      │
      ▼
[RapidOCR 识别] → CRNN/Transformer 识别模型逐行识别中文文本
      │
      ▼
[文本拼接与结构化] → 按阅读顺序拼接为完整作答文本，关联题号
      │
      ▼
   学生答案文本  ──→  进入第 12 章评分流程

8.3 关键设计 ​

  • 作答区定位：主观题作答区通常有固定版式，可预先配置"题号→作答区坐标"模板，识别时只保留作答区内的文本行；对无固定版式的试卷，可结合版面分析（如按题号分段）做软切分。
  • 印刷体/手写体混合：试题题干多为印刷体、学生作答多为手写体。RapidOCR 对印刷体识别稳定；对手写体部分，可通过置信度过滤低置信识别结果，并将低置信片段标注为"识别存疑"，供教师在审阅工作台人工核对。
  • 与后端解耦：OCR 作为独立服务模块暴露 /api/ocr 接口，输入图片、输出结构化文本；前端可在上传试卷后立即触发 OCR 并预览识别结果，确认/编辑后再提交评分。
  • 本地化：RapidOCR 全程本地推理（GPU 或 CPU 均可），不上传图片到外部服务，符合"本地化"总体要求。

8.4 输出契约（供评分流程消费） ​

json
{
  "question_id": "Q001",
  "answer_text": "1911年辛亥革命成功，推翻了清王朝，建立了民国",
  "confidence": 0.92,
  "lines": [
    {"text": "1911年辛亥革命成功", "box": [...], "score": 0.95},
    {"text": "推翻了清王朝，建立了民国", "box": [...], "score": 0.89}
  ],
  "low_confidence": false
}

8.5 OCR 质量与评分的衔接 ​

  • OCR 输出文本直接作为学生答案进入 MRC 评分；若整体 confidence 低于阈值或含"识别存疑"片段，前端提示教师"识别置信度较低，建议核对原文"，但不阻断评分流程。
  • 评分结果中可附带"OCR 置信度"字段，便于事后分析"评分偏差是否源于识别错误"。

9. 模型训练方案（Python） ​

本章仅描述训练的原理、流程与产物，不含训练代码。

9.1 训练环境 ​

  • GPU：支持 CUDA 的 NVIDIA GPU（消费级显存即可）；
  • 框架：Python + PyTorch 2.x + Hugging Face Transformers（MRC）、Sentence-Transformers（相似度）；
  • RapidOCR：本地 Python 包，CUDA 加速推理（仅离线数据处理阶段使用）；
  • 显存预估：110M 模型 + 384 长度序列 + batch 16，训练显存占用约 5–6GB，普通消费级 GPU 即可全程训练。

9.2 MRC 模型训练 ​

  • 基座：Langboat/mengzi-bert-base，加载预训练权重后在训练数据上微调。
  • 输入处理：以 tokenizer 将 (得分点, 学生答案) 拼接并截断（优先截断过长的学生答案），将字符级起止位置转换为 token 级位置。为支持等价答案多候选抽取，训练时对每个得分点可分别以"标准表述"及"aliases 采样"构造输入，扩充正样本覆盖。
  • 训练目标：起点/终点交叉熵 + 是否含答案二分类损失，加权求和。
  • 训练超参（建议）：学习率 2e-5～3e-5（AdamW + 线性 warmup，warmup 比例 0.1）、batch 16–32、epoch 3–5（早停以防过拟合）、最大序列长度 384。
  • 训练时长预估：约 3000–4000 条样本 + 3 epoch，消费级 GPU 上约 30–60 分钟。
  • 产出：微调后的模型权重（PyTorch 格式）。

9.3 相似度模型微调 ​

  • 基座：shibing624/text2vec-base-chinese。
  • 训练目标：以余弦相似度损失（CosineSimilarityLoss）在句子对及连续标签上微调，使模型对"得分点—学生答案"对的相似度评分更贴合阅卷领域，尤其强化对历史/地理专有名词同义（如"戊戌变法"↔"百日维新"）的判别。
  • 产出：微调后的句向量模型权重。

9.4 模型导出（供 Rust 后端加载） ​

训练完成后，将两类模型导出为后端可加载的格式：

模型导出格式加载方
MRC（mengzi-bert-base）ONNX（FP32/INT8）Rust ort（rubricspan-inference）
相似度（text2vec）ONNX（FP32/INT8）Rust ort
OCR（RapidOCR 检测/识别）ONNX已随 Python 运行时移除暂停（恢复时以 ort 原生集成）

同时导出分词器文件与评分阈值配置文件（高/低相似度阈值、各得分点权重、aliases 列表等），与模型文件一并交付后端。

10. 后端服务方案（Rust 在线首选 · WASM 离线备选） ​

后端提供两套都必须实现的方案：Rust+GPU 在线服务为生产首选，WASM 离线模块为备选，两者共用模型文件与评分配置。

10.1 方案 A：Rust HTTP 服务（在线 · 首选） ​

  • 框架：Axum，基于 Tokio 异步运行时（实际实现）。
  • 职责：
    • 试题/答卷/评分结果的 CRUD（SQLite 持久化）；
    • 标准答案结构化解析：接收教师提交的自然语言标准答案，调用 OpenAI 兼容接口的大模型完成解析，Schema 校验后落盘为评分配置 JSON，供教师预览确认；
    • 评分任务调度：接收前端提交的一批答卷，调用本地推理引擎逐题评分，回写结果（图片链路随 OCR 暂停）；
    • 等价答案扩展评分：读取评分配置中的 aliases，对每个得分点执行"标准表述 + 各 alias"多候选 MRC 抽取，再按相似度兜底汇总；
    • 暴露 OpenAPI 契约的 REST 接口供前端消费。
  • 推理引擎集成（已落地 · M8 定稿）：独立 crate rubricspan-inference 基于 ort（ONNX Runtime Rust 绑定）+ Hugging Face tokenizers 原生加载 FP32/INT8 双 ONNX 模型，CPU/GPU EP 经 INFERENCE_DEVICE 配置切换；与原内嵌 Python 运行时完成金标对拍（53 条 MRC + 180 条相似度逐位一致）并确认 e2e 指标零回退后删除运行时，交付物收敛为单一 Rust 二进制。
  • OCR 集成（暂停）：原以内嵌 Python 运行时承载 RapidOCR 并于 M3 贯通；M8 移除运行时后 rubricspan-ocr 仅保留 501 占位，恢复路径为 ONNX 原生重实现。
  • 评分逻辑实现：在 Rust 侧实现"文本输入 → MRC 多候选抽取（含 aliases）→ 置信度判断 → 相似度兜底 → 加权算分"的完整混合评分流程（算法见第 4、5、12 章），该编排与 WASM 端共用同一份 Rust 代码。
  • 并发：异步任务池处理批量阅卷请求，单题推理延迟目标 < 500ms。

10.2 方案 B：WASM 模块（离线 · 备选） ​

  • 定位：将 INT8 量化版模型经 onnxruntime-web 在浏览器内加载，配合编译为 WASM 的 Rust 评分核心（rubricspan-wasm crate，wasm-bindgen 产物），实现离线单题评分演示，不依赖服务端 GPU。
  • 实现思路（已落地 · M6）：
    • ONNX 模型（优先 INT8，回落 FP32）+ 词表由前端静态目录本地分发，不走 CDN；
    • BERT 中文 WordPiece 分词在前端实现（码点级偏移映射），ORT 会话执行 MRC/相似度推理；
    • 混合评分编排跑在与在线端同一份 Rust 代码（编译为 wasm-bindgen 产物），读取同一套评分配置 JSON，保证两端结果可比；
    • 适用于演示、教研展示、或无网络环境下的轻量使用。
  • 权衡：WASM 路径推理速度慢于原生服务，仅用于单题/小批量场景，不替代生产后端。

10.3 两套方案的关系与实现要求 ​

  • 生产环境（首选）：前端 → Rust(Axum) HTTP 服务 → 本地推理引擎（方案 A），承担全部批量阅卷（OCR 暂停期间仅文本链路）；标准答案解析（调大模型）亦在方案 A 中完成并落盘。
  • 演示/离线环境（备选）：前端 → 直接加载 WASM 模型（方案 B），独立运行；标准答案解析在离线场景下可降级为"手动编辑评分配置 JSON"或"离线调用本地大模型（如有）"。
  • 两者共用同一套模型文件格式（ONNX）与评分配置（JSON Schema），保证评分结果一致；
  • 实现要求：两套方案都须在交付时可用——方案 A 为默认启动模式，方案 B 提供独立的 WASM 构建产物与前端离线演示入口。

11. 前端应用方案（React + Next.js） ​

11.1 技术栈 ​

  • 框架：Next.js 15（App Router）+ React 19；
  • UI 组件：Radix UI（无样式可访问性组件原语）+ Tailwind CSS（原子化样式）；
  • 状态/请求：TanStack Query（服务端数据缓存）+ Axios/fetch（调用后端 OpenAPI）；
  • 文档/表格：React 生态表格组件（答卷列表、评分明细）；
  • OCR 交互：图片上传组件 + 识别结果预览/编辑区；
  • 部署：Next.js 自带构建，输出静态/服务端渲染应用。

11.2 功能模块 ​

模块功能
试题管理录入/导入题目、标准答案（自然语言录入）、得分点及权重
标准答案解析教师粘贴自然语言标准答案 → 触发后端调用大模型解析 → 预览/编辑结构化 JSON → 确认保存
试卷/答卷上传单份录入、批量导入（Excel/JSON/文本）、试卷图片上传（触发 OCR）
OCR 预览展示 RapidOCR 识别出的作答文本，支持人工核对与编辑
阅卷工作台核心交互页：展示题目、学生答案、逐点评分明细（命中/未命中/部分命中）、抽取片段高亮、总分解读
结果导出评分结果导出为 Excel/JSON，支持按班级/题目筛选
统计看板分数分布、各得分点命中率、与人工评分对比（如有）
模式切换在线模式（连接 Rust 服务）/ 离线演示模式（加载 WASM 模型）切换入口

11.3 阅卷工作台交互设计（核心页面） ​

  • 左侧：题目信息 + 标准得分点列表（含权重、aliases 折叠展示）；
  • 中部：学生答案文本（可来自文本录入或 OCR 识别结果），命中片段以高亮底色标注，鼠标悬停可查看对应得分点与置信度；若为图片来源，上方展示原图缩略与"识别文本"折叠区；
  • 右侧：逐点评分明细卡片（命中状态、抽取原文、匹配置信度、本点得分），底部汇总总得分与评级；对"语义命中"的得分点标注"语义匹配"标签并展示相似度分值；
  • 顶部操作栏：单题"重新评分"、批量"开始阅卷"、结果"导出"、在线/离线模式切换按钮。

11.4 前后端接口契约（摘要） ​

接口方法说明
/api/questionsGET/POST试题列表 / 新建试题
/api/standard-answer/parsePOST提交自然语言标准答案，调用大模型解析，返回结构化 JSON 供预览确认
/api/standard-answerPUT确认/编辑保存评分配置 JSON
/api/answersPOST提交答卷（单份或批量，文本或图片）
/api/ocrPOST上传试卷图片，返回识别文本（现状：暂停，返回 501）
/api/scorePOST触发评分，返回逐点明细 + 总分
/api/resultsGET查询评分结果，支持筛选导出

12. 推理与评分流程 ​

一次完整评分（后端侧）的执行步骤：

  1. 接收请求：后端收到 (题目, 评分配置{含 points+aliases+thresholds}, 学生答案)；图片输入需先经 OCR 转文本（该链路暂停中）。
  2. 逐点 MRC 多候选抽取：对每个得分点，遍历 [标准表述 + aliases] 列表，逐一将其与学生答案拼接后送入 MRC 模型，得到各组 start、end、has_answer 概率，取最高置信的一组作为本点抽取结果。
  3. MRC 判定：
    • 若最优组 has_answer 概率 ≥ 阈值且 start ≤ end 且抽取长度合理 → 记录"精确命中"，本点得满分（权重），保存抽取片段与命中的候选表述；
    • 否则进入兜底。
  4. 相似度兜底：计算"得分点（标准表述）"与"学生答案整体"的余弦相似度：
    • ≥ 高阈值 → 语义命中，得满分；
    • 介于高/低阈值之间 → 部分命中，按配置得半分（或 partial_credit 比例）；
    • < 低阈值 → 未命中，得 0 分。
  5. 加权汇总：累加各得分点得分，得到题目总分与评级。
  6. 结果组装：返回逐点明细（命中状态、命中的候选表述、抽取片段、置信度/相似度、本点得分）+ 总分解读，供前端展示；结果中附带 OCR 置信度（若来源为图片）。

13. 评估指标体系 ​

指标含义目标值实测（M8 调优闭环后，见 m8-tuning-report）
Exact Match（EM）预测 Span 与标注 Span 完全一致比例（exact 子集口径，M8）> 65%模型级 60.9%（exact 子集；混合口径 47.6%，semantic 多解固有下界）
Token-level F1预测与标注 Span 的 token 重叠 F1（exact 子集口径，M8）> 80%模型级 81.1% ✅（混合口径 74.8%）
Point-wise Accuracy各得分点是否命中的准确率> 85%模型级 89.3% ✅；系统级 71.6% ⚠️（评估卷含题干原文致 FP 偏高，BC-005）
Score Correlation（Pearson）模型给分与专家给分的相关系数> 0.85系统级 0.941 ✅（模型级 0.782，vs_label 0.852 为金标噪声上限）
Human Agreement（Cohen's Kappa）与人工阅卷一致性的 Kappa 系数> 0.7未实施（缺人工双评数据，裁剪）
等价命中率aliases 命中数 / 总 aliases 命中应判定数> 80%模型级 93.5% ✅；系统级等价给分率 99.1% ✅
单题推理延迟端到端评分耗时< 500ms~0.5s/卷 ✅（DirectML GPU + 候选批处理，较 CPU 静默回退 33×；见 m8-performance.md）
OCR 识别准确率作答文本字符级识别准确率印刷体 > 95% / 手写体 > 85%随 OCR 暂停搁置

核心指标是 Score Correlation，系统级 0.959 已显著超标：混合链路（别名多候选 + 兜底 + 加权汇总）使系统总分质量显著优于单点抽取质量。未达项均已登记 bad case / 仲裁清单，进入迭代闭环处置。

口径注记（M8 调优闭环，2026-08-24）：

  • EM / Token-F1 按 hit_type 分层：评测集正例中 semantic（改写命中）占 76%，其"正确 span"不唯一，混合口径 EM 对 semantic 子集无意义。§13 的 EM 目标只约束 exact 子集（em_exact/f1_exact 单独报告，见 m8-tuning-report.md）。
  • 选择型得分点（"选B得3分"等）由选项字母规则判定（rubricspan-scoring::option_rules，CC-003），不再计入 MRC/相似度指标；MRC 训练已剔除该类正例。
  • 系统级 Point-Acc 的金标口径分歧经 M8 自动仲裁闭环（34 条逐条判定：16 条金标漏标已修订、18 条系统误判保留；data/m8_revise_log.csv 可追溯）。

14. 部署与运行 ​

14.1 硬件与软件环境 ​

  • 硬件：支持 CUDA 的 NVIDIA GPU + 常规内存与磁盘空间（具体视数据规模而定）。
  • 系统：Windows / Linux 均可（推荐 Ubuntu 22.04 或 Windows 11 + WSL2）。
  • 驱动：CUDA + cuDNN + 对应显卡驱动。
  • 运行时：Python（训练、RapidOCR）、Rust 工具链（后端）、Node.js（前端）。

14.2 部署形态 ​

组件部署方式
前端Next.js 构建产物，可独立部署或随 Rust 服务一起分发
Rust 后端（在线首选）编译为单一可执行文件，内置 Axum 服务 + 模型/OCR 加载
WASM 模块（离线备选）独立构建产物，随前端分发，浏览器内加载运行
模型文件本地目录存放 ONNX 模型（MRC/相似度，FP32+INT8）+ 分词器 + 配置
数据库SQLite 文件，零运维

14.3 模型优化（适配本地） ​

  • 量化：FP32 + INT8 双模型已交付（INT8 实测精度损失 < 1%：EM −0.79 / F1 −0.69 / Point-Acc −0.42 pt）；
  • ONNX Runtime（ort）：Rust 原生绑定推理，CPU/GPU EP 经配置切换，单一二进制交付；
  • OCR 加速：已随 OCR 暂停搁置（见第 8 章）。

14.4 全链路运行示意 ​

[教师/用户]
   │ 浏览器操作（Next.js + Radix UI）
   ▼
[Rust Axum HTTP 服务]  ←── SQLite（试题/结果）
   │ 调用本地推理（ort + tokenizers · 单一二进制）
   ├──▶ [RapidOCR]  试卷图片 → 作答文本【暂停 · 501】
   └──▶ [MRC 模型(ONNX FP32/INT8)] + [相似度模型(ONNX)]
             │ CPU / GPU EP 可选
             ▼
返回逐点评分明细 + 总分 → 前端高亮展示

15. 项目里程碑 ​

阶段主要交付实际结果
数据与环境（M0）数据集到位、全栈环境、契约冻结✅ 北大数据集未获批，R7 替代数据集生效；五份契约冻结（tag m0-env）
大模型打标（M1）打标流水线、对齐后训练数据✅ 4287 条样本、点级对齐 99.0%、semantic 占比 76.7%、多端点 fallback（tag m1-labeling）
模型训练（M2）MRC + 相似度模型、ONNX 导出✅ FP32+INT8 双模型交付；Point-Acc .894 / 等价 .943 达标，EM/F1/Corr 模型级未达→评审裁剪至迭代闭环
OCR 集成（M3）/api/ocr、图片链路贯通✅ 当日贯通 → ⚠️ M8 去 Python 化后暂停（501）
后端开发（M4）Axum 服务 + 推理引擎 + 评分全流程✅ 契约测试通过；推理栈于 M8 定稿为 ort 原生实现
前端开发（M5）阅卷工作台 + 解析 + 导出✅ 构建通过，全功能联调可用
WASM 离线（M6）浏览器离线单题演示✅ onnxruntime-web + Rust 评分核心，断网验证通过
联调评估（M7)全链路评估、量化优化、打包交付✅ 系统级 ScoreCorr .959 / 等价给分率 .974 达标；Point-Acc .790 转入仲裁闭环
推理栈去 Python 化（M8·追加）ort + tokenizers 原生推理并入网关✅ 金标对拍逐位一致、e2e 零回退，单一 Rust 二进制交付

实际执行期为 2026-08-21 ～ 08-24（AI 辅助高强度连续开发），远快于立项时的周级排期估算；各阶段评审记录见文档站「里程碑评审」分组。

16. 风险控制与备选策略 ​

风险表现应对策略
大模型打标噪声标签不一致导致小模型学偏自一致性校验（多温度投票）+ 跨模型交叉验证 + 人工抽检 5%
MRC 抽取效果不足EM < 60%扩大合成数据 + 增强（同义替换/回译）；必要时转由相似度路径承担主要评分
同义识别不足等价命中率偏低扩充 aliases（解析生成 + 打标沉淀）+ 降低相似度高阈值试探；用 SAS-Bench 同义样本专项评测
标准答案解析失败大模型输出非合法 JSONJSON Schema 校验 + 自一致性 + 教师手动编辑降级；前端保留半结构化编辑界面
显存不足训练 OOM减小 batch（8）+ 梯度累积；使用 60M 蒸馏版模型
前端推理太慢WASM 路径延迟高WASM 仅用于演示；生产评分走 Rust+GPU 服务
数据集授权部分平台数据需付费优先北大（科研免费）+ SAS-Bench/CMRC（开放）主线
OCR 识别不准手写体/模糊试卷识别错误影响评分置信度过滤 + 教师人工核对入口 + 评分结果附带 OCR 置信度便于追溯
模型评分漂移上线后对新题型变差收集 bad case（含 OCR 误识别 + 同义漏判样本）→ 交大模型重新打标 → 增量微调（迭代闭环）

迭代闭环：大模型打标 → 训练小模型 → 上线推理 → 收集 bad case（含 OCR 误识别、同义漏判样本）→ 反馈大模型重新打标 → 增量训练，使系统随使用持续变准。

执行期风险实况：R7 触发（北大两类数据集未获批复，替代数据集主线生效）；R10 应对路径转正（最终推理栈即 ONNX Runtime Rust 绑定，且进一步去 Python 化）；其余风险未触发（R8 随 OCR 暂停悬置）。

17. 附录：参考数据集与资料 ​

文档版本：v5（2026-08-24）——按系统建成实况全面修订：推理栈定为 Rust ort + tokenizers 单一二进制（M8）、OCR 暂停（/api/ocr 501）、WASM 落地为 onnxruntime-web + wasm-bindgen 评分核心（M6）、补记 §13 实测指标与 §15 各阶段实际结果、数据集实际构成注记（§7.1）。v4 及之前的设计沿革见 git 历史。

RubricSpan · 阅微 —— 中文主观题智能阅卷系统

AGPL-3.0